AlexNet主要技术点AlexNet使用的主要技术： 1. 使用ReLU作为CNN的激活函数，解决了Sigmoid在较深网络中的梯度弥散问题（vanishing gradient problem）. 2. 训练时使用Dropout随机忽略一部分神经元，避免了模型的过拟合问题． 3. 在CNN中使用重叠的最大池化，避免了平均池化造成的模糊效果．同时让步长小于池化核的尺寸，使池化层的输出发生重
转载
2024-07-30 11:25:48
45阅读
Unet——用于图像边缘检测，是FCN的改进如上图是UNET的架构图，可以发现器输入图像和输出图像不一致，如果我们需要输入图像和输出图像一致时，在卷积时，使用padding=“SAME”即可，然后再边缘检测时，就相当与像素级别的二分类问题，用交叉熵做loss函数即可。但位置检测常用IOU作为loss函数。 个人觉得UNET的优点：1.Unet的去除了全链接层，可以接受图像大小不一致的输入
转载
2023-05-31 11:59:21
5063阅读
Unet论文地址：A Nested U-Net Architecture for Medical Image SegmentationUnet是比较早的基于深度学习的分割算法了，优点是速度真的快（P100上基于VGG的backbone能跑到50帧），同时不是太开放的场景下可以做到令人满意的分割效果，在对实时性要求较高的场合下是比较适用的（不是所有的场合都能上MaskRCNN的，Backbone大一
转载
2024-04-09 10:37:48
210阅读
x = tf.placeholder(tf.float32, [None, 784])x isn't a specific value. It's a placeholder, a value that we'll input when we ask TensorFlow to run a computation. We want to be able to input any
转载
2024-04-30 05:59:33
35阅读
autoencoder可以用于数据压缩、降维，预训练神经网络，生成数据等等Auto-Encoder架构需要完成的工作需要完成Encoder和Decoder的训练例如，Mnist的一张图片大小为784维，将图片放到Encoder中进行压缩，编码code使得维度小于784维度，之后可以将code放进Decoder中进行重建,可以产生同之前相似的图片。Encoder和Decoder需要一起进行训练。输入
转载
2024-05-03 11:45:21
111阅读
使用 TensorFlow, 你必须明白 TensorFlow:使用图 (graph) 来表示计算任务.在被称之为 会话 (Session)使用 tensor 表示数据.通过 变量 (Variable)使用 feed 和 fetch 可以为任意的操作(arbitrary operation) 赋值或者从其中获取数据.op (operation 的缩写). 一个 op
转载
2024-02-23 20:39:59
33阅读
推荐：TensorFlow Lite for Unity 示例库去发现同类优质开源项目:https://gitcode.com/项目介绍TensorFlow Lite for Unity Samples 是一个专为 Unity 开发者设计的开源项目，它移植了 TensorFlow Lite 的多个示例应用，并集成了 MediaPipe 框架的实用功能。这个项目旨在简化在 Unity 中使用 Ten
Transformer-Unet: Raw Image Processing with UnetAbstractSection I IntroductionSection II Related WorkSection III MethodSection IV ImplementationSection V
Conclusion Unet) Abstract医学图像分割任务在医学图像分析领域十分
转载
2024-04-11 21:10:16
311阅读
TensorFlow模型实现：UNet模型1.UNet模型# -*-coding: utf-8 -*-""" @Pro
原创
2022-08-24 17:04:33
319阅读
亚马逊MXNet在CNN、RNN与NLP情感分析任务上性能强劲，而TensorFlow仅擅长于特征提取。
深度学习框架哪家强：TensorFlow？Caffe？MXNet？Keras？PyTorch？对于这几大框架在运行各项深度任务时的性能差异如何，各位读者不免会有所好奇。微软数据科学家Ilia Karmanov最新测试的结果显示，亚马逊MXNet在CNN、RNN与NLP情感分析任务上性能
Unet医学分割 代码详解U-Net for brain segmentationUnet 模型数据读取遍历文件读取数据数据集划分数据增强索引列表getitem训练和验证DSCvalidation预测完整代码依赖数据增强函数读取数据网络构建metric计算训练与评估 U-Net for brain segmentation基于深度学习分割算法在 PyTorch 中的 U-Net 实现，用于脑 M
转载
2024-05-09 16:15:46
209阅读
OTA损失函数替换标签分配（label assignment）什么是标签分配OTA损失函数介绍背景方法如何在yolo v5目标检测算法中改为OTA损失步骤一、修改loss.py文件步骤二、在train.py和val.py中修改conpute_loss 标签分配（label assignment）什么是标签分配标签分配（Label Assignment）标签分配策略是对训练过程中各个Anchor划
本文来自大华在JVET工作组的提案JVET-Y0086《A Unet-B
原创
2022-07-21 22:54:41
10000+阅读
语义分割评价指标及代码实现详解一点废话和感慨1.输入输出2.计算混淆矩阵3.计算指标3.1计算准确率3.2计算每类平均准确率3.3计算MIOU本周深刻体会分割是逐像素的分类什么是网络模型？ 一点废话和感慨不管在任何领域，我们都需要设计对应的指标和评价标准。这些指标通常用来评判我们的工作做的如何，与上次的工作相比是否有所进展。这些指标有助于我们去分析和理解，我们这次的工作方向是否正确。不管是否有进
Unet参考文献：U-Net: Convolutional Networks for Biomedical Image Segmentation作者：Olaf Ronneberger, Philipp Fischer, and Thomas Brox什么是Unet模型Unet是一个优秀的语义分割模型，其主要执行过程与其它语义分割模型类似。与CNN不同的之处在于CNN是图像级的分类，而unet是像素
转载
2023-12-06 19:54:51
889阅读
tensorflow的工程有使用python的多进程读取数据，然后给feed给神经网络进行训练。也有tensorflow中的 tf.data.DataSet的使用。并且由于是tensorflow框架的内容，会让工程看起来更加连贯流畅。这里我们需要先了解 tf.data 下的两个类：tf.data.DataSet：将我们的numpy数据 转换成 tensorflow的DataSet数据tf.data
转载
2024-08-10 17:43:24
42阅读
本文介绍了一种基于改进UNET架构的肺部图像分割系统，该系统整合了UNET、UNET++、R2NET、Attention UNET等多种变体模型。研究在
TensorFlow - 保存和恢复
https://tensorflow.google.cn/guide/saved_modelTensorFlow 指南 - TensorFlow 工作原理https://tensorflow.google.cn/guidetf.train.Saver 类提供了保存和恢复模型的方法。通过 tf.saved_model.simple_save 函数可轻
Unet模型
U-net网络非常简单，前半部分作用是特征提取，后半部分是上采样。在一些文献中也把这样的结构叫做编码器-解码器结构。由于此网络整体结构类似于大写的英文字母U，故得名U-net。
U-net与其他常见的分割网络有一点非常不同的地方：U-net采用了完全不同的特征融合方式：拼接，U-net采用将特征在channel维度拼接在一起，形成更厚的特征。而FCN融合时使用的对应点相加，并不形成更
原创
2023-09-04 17:23:03
995阅读
点赞
文章目录0. 介绍1. ConvLstm1.1 Lstm1.2 ConvLstm 0. 介绍文章： Exploiting Temporality for Semi-Supervised Video Segmentation代码： https://github.com/mhashas/Exploiting-Temporality-For-Semi-Supervised-Video-Segmenta
